رشد روزافرون جمعیت و توسعه جوامع بشری باعث گردیده تا اطلاعات مکانی یکی از مهمترین ابزارها در کاربردهایی نظیر برنامه ریزی شهری، مدیریت بحران، ایجاد و بهنگام رسانی پایگاه داده های موجود، شناسایی تغییرات و . . . باشند. در پروسه تهیه ی نقشه از تصاویر هوایی و ماهواره ای، مشکل ترین بخش استخراج عوارض می باشد. با نگاهی اجمالی به مراحل پیشرفت فتوگرامتری، هدف کاهش زمان و هزینه تهیه نقشه، افزایش سطح اتوماسیون و کاهش نقش عامل انسانی می باشد تا بتوان سیستم های فتوگرامتری آنی را طراحی نمود بنحوی که بتوان در لحظه اخذ تصویر، تهیه نقشه امکان پذیر باشد. در زمینه فتوگرامتری با توجه به اینکه در تصاویر هوایی و ماهوارهای از مناطق شهری و نیمه شهری، ساختمان ها و جاده ها دارای بیشترین تعدد در تهیه نقشه می باشند و این اشکال دارای هندسه ساده تر و منظمی می باشند، استخراج این عوارض در اولویت های تحقیقاتی قرار دارند. یکی از روش های بسیار موفق در استخراج مرز عوارض از تصاویر، مدل های منحنی فعال می-باشد، که اولین بار توسط kass و همکاران تحت عنوان”snake: active contour model” ارائه شد. تابع مورد بهینه سازی در مدل snake ترکیب خطی از دو تابع انرژی داخلی و خارجی می باشد که با کمینه نمودن این تابع از طریق حل یکسری معادلات مشتقات در یک فرایند تکراری، منحنی با حرکت به سمت لبه های تصویری، خود را بر لبه های واقعی عوارض منطبق و منجر به بازسازی اطلاعات مرز عوارض می شود. در فرایند استخراج ساختمان از تک تصویر، زمانیکه لبه های ساختمان تحت تاثیر پدیده هایی نظیر درختان، سایه درختان و اشیاء واقع بر ساختمان تخریب و یا تضعیف گردد لبه های کاذب بروی سقف ساختمان ایجاد می شود. با توجه به اینکه مدل snake تا حد زیادی به اطلاعات لبه های تصویری متکی است، این امر می تواند مدل های snake را با مشکلاتی در بازسازی چنین ساختمان-هایی مواجه می سازد. به منظور غلبه بر این مشکل، استفاده از دانش اولیه در خصوص شکل هندسی مورد انتظار از ساختمان بعنوان یک داده کمکی، جهت بازسازی لبه های تخریب شده استفاده شد. در واقع هدف این پایان نامه وارد کردن اطلاعات هندسی ساختمان های مستطیل، l و u شکل، بعنوان یک تابع انرژی خارجی در مدل balloon snakeمی باشد به گونه ای که بتوان لبه های تخریب شده را شناسایی و مرز ساختمان را با دقت و قابلیت اعتماد مناسبی بازسازی نمود. این امر بویژه برای ساختمان هایی که با لبه های مخدوش تصویری همراه هستند، انگیزه اجرایی دارد. با توجه به نتایج بدست آمده، الگوریتم پیشنهادی توانسته با استفاده از شکل هندسی بعنوان منبع داده غنی، ساختمان ها با دقت موقعیت کلی 94.80 درصد و 93.20 درصد برای تصویر تست اول و دوم در مقایسه با دقت موقعیت کلی 92.27 درصد و 85.85 درصد برای تصویر تست اول و دوم مدل balloon snake معمولی بازسازی نماید. همچنین ساختمان استخراج شده همان شکل مرجع برازشی می باشد که مشکل نیازمندی الگوریتم های مشابه به مراحل پیش پردازش نظیر کاهش تعداد نقاط و برازش خط بر مجموعه نقاط واقع بر یک اضلاع ساختمان را بر طرف نموده است.